Czasopismo
Tytuł artykułu
Autorzy
Warianty tytułu
Języki publikacji
Abstrakty
Jednym z głównych skutków pandemii było przerwanie światowych łańcuchów dostaw. Zamrożenie gospodarki w Azji, w Ameryce, czy też w Europie w znacznym stopniu przyczyniło się do powstania zastojów produkcyjnych, co z kolei wiązało się ze spadkiem cen surowców produkcyjnych notowanych na giełdach. Zawirowania związane z nagłymi wahaniami cen na rynku spowodowały, że wiele modeli ekonometrycznych służących do opisu procesów gospodarczych musiało zostać przekształconych, aby dalej mogły w sposób zadowalający opisywać analizowane zjawiska. Główne zmiany dotyczyły postaci modelu oraz zmiennych wchodzących w jego skład. Ponieważ wiedza na temat optymalnej postaci modelu ekonomicznego wraz ze zmiennymi wchodzącymi w jego skład jest w sferze zainteresowania zarówno przedsiębiorstw, jak i inwestorów za cel niniejszego rozdziału postawiono przygotowanie analizy porównawczej modeli regresji wielorakiej. Pierwszy model regresji wielorakiej został estymowany metodą najmniejszych kwadratów, natomiast drugi model - ważoną metodą najmniejszych kwadratów. Do badania wykorzystano stopy zwrotu kontraktów terminowych na aluminium i ropę naftową WTI. Zbiór stóp zwrotu analizowanych surowców został podzielony na dwa podzbiory. Pierwszy podzbiór zawierał stopy zwrotu dla cen, w których wpływ pandemii na ceny występuje, natomiast drugi podzbiór cechował się stopami zwrotu bez widocznego oddziaływania epidemii na ceny. Pierwszym badanym modelem jest model regresji wielorakiej, w którym parametry zostaną oszacowane metodą najmniejszych kwadratów (MNK). Dla drugiego modelu parametry zostały oszacowane z wykorzystaniem ważonej metody najmniejszych kwadratów (WMNK). Ponadto, aby sprawdzić, w jaki sposób pandemia wpłynęła na modelowanie procesów gospodarczych analizie zostaną podane dane za okres, w których efekt pandemii na gospodarkę nie występował (dane od 2.01.2019 do 28.02.2020) oraz z okresu, w których skutki COVID-19 były widoczne (dane od 2.03.2020 do 30.06.2021). Aby móc zrealizować postawiony w pracy cel, za metodę badawczą przyjęto analizę ekonometryczną wraz z weryfikacją hipotez statystycznych. Analiza zostanie przygotowana w programie Python, przy wykorzystaniu następujących bibliotek: pandas, numpy, matplotlib, seaborn oraz statsmodels. Pierwsza część pracy opisuje wpływ pandemii na rynek analizowanych surowców przemysłowych. Druga część zawiera wyniki przeprowadzonych badań. Na końcu rozdziału dokonano podsumowania wyników badań. (fragment tekstu)
Rocznik
Strony
184-198
Opis fizyczny
Twórcy
autor
- Uniwersytet Ekonomiczny w Katowicach
Bibliografia
- Kolany, K. (2020). Co oznacza ropa za mniej niż zero. Puls Biznesu. https://www.pb. pl/co-oznacza-ropa-za-mniej-niz-zero-989039
- Kowalik, S., Herczakowska, J. (2010). Analiza i prognoza cen ropy naftowej na rynkach międzynarodowych. Polityka Energetyczna. Energy Policy Journal, 13(2), 253-262. https://epj.min-pan.krakow.pl/Analysis-and-forecast-of-oil-prices-on-the-international -market,95816,0,2.html
- Krężołek, D. (2020). Modelowanie ryzyka na rynku metali. Katowice: Wydawnictwo Uniwersytetu Ekonomicznego.
- Ptak, S., Jakóbiec, J. (2016). Ropa naftowa jako główny surowiec energetyczno-przemysłowy. Nafta-Gaz, 72(6), 451-460. https://doi.org/10.18668/NG.2016.06.09
- Suder, J. (2021). Pandemia nadal wpływa na rynek ropy naftowej. Forsal. https://forsal.pl/gospodarka/artykuly/8095944,pandemia-nadal-wplywa-na-rynek-ropy-naftowej.html
- Wąsiński, M. (2021). Wstęp. Tygodnik Gospodarczy PIE, 21, 2. https://pie.net.pl/wpcontent/ uploads/2021/05/Tygodnik-Gospodarczy-PIE_21-2021.pdf
- Wierciszewski, M. (oprac.). (2021). 10 surowców, które w pandemii podrożały, co najmniej o kilkadziesiąt procent. Używasz każdego z nich. Business Insider. https://businessinsider.com.pl/finanse/ktore-surowce-najmocniej-podrozaly-w-pandemiiuzywasz-kazdego-z-nich/gvgj8e3
Typ dokumentu
Bibliografia
Identyfikatory
Identyfikator YADDA
bwmeta1.element.ekon-element-000171661198